本文转自博客园，原文：https://www.cnblogs.com/apink/p/15767687.html，版权归原作者所有。欢迎投稿，投稿请添加微信好友：cloud-native-yang

参数解释

使用 Prometheus 配置 kubernetes 环境中 Container 的 CPU 使用率时，会经常遇到 CPU 使用超出 100%，下面就来解释一下：

1. container_spec_cpu_period

   当对容器进行 CPU 限制时，CFS 调度的时间窗口，又称容器 CPU 的时钟周期通常是 100，000 微秒

2. container_spec_cpu_quota

   是指容器的使用 CPU 时间周期总量，如果 quota 设置的是 700，000，就代表该容器可用的 CPU 时间是 7*100,000 微秒，通常对应 kubernetes 的 resource.cpu.limits 的值

3. container_spec_cpu_share

   是指 container 使用分配主机 CPU 相对值，比如 share 设置的是 500m，代表窗口启动时向主机节点申请 0.5 个 CPU，也就是 50，000 微秒，通常对应 kubernetes 的 resource.cpu.requests 的值

4. container_cpu_usage_seconds_total

   统计容器的 CPU 在一秒内消耗使用率，应注意的是该 container 所有的 CORE

5. container_cpu_system_seconds_total

   统计容器内核态在一秒时间内消耗的 CPU

6. container_cpu_user_seconds_total

   统计容器用户态在一秒时间内消耗的 CPU

   参考官方地址 https://docs.signalfx.com/en/latest/integrations/agent/monitors/cadvisor.html https://github.com/google/cadvisor/blob/master/docs/storage/prometheus.md

具体公式

1. 默认如果直接使用 container_cpu_usage_seconds_total 的话，如下

   sum(irate(container_cpu_usage_seconds_total{container="$Container",instance="$Node",pod="$Pod"}[5m])*100)by(pod)

   默认统计的数据是该容器所有的 CORE 的平均使用率

   

2. 如果要精确计算每个容器的 CPU 使用率，使用 % 呈现的形式，如下

   sum(irate(container_cpu_usage_seconds_total{container="$Container",instance="$Node",pod="$Pod"}[5m])*100)by(pod)/sum(container_spec_cpu_quota{container="$Container",instance="$Node",pod="$Pod"}/container_spec_cpu_period{container="$Container",instance="$Node",pod="$Pod"})by(pod)

   其中 container_spec_cpu_quota/container_spec_cpu_period，就代表该容器有多少个 CORE

   

3. 参考官方 git issue

   https://github.com/google/cadvisor/issues/2026#issuecomment-415819667

docker stats

docker stats 输出的指标列是如何计算的，如下：

首先 docker stats 是通过 Docker API /containers/(id)/stats 接口来获得 live data stream，再通过 docker stats 进行整合。

在 Linux 中使用 docker stats 输出的内存使用率（MEM USAGE），实则该列的计算是不包含 Cache 的内存。

cache usage 在 ≤ docker 19.03 版本的 API 接口输出对应的字段是 memory_stats.total_inactive_file，而 > docker 19.03 的版本对应的字段是 memory_stats.cache。

docker stats 输出的 PIDS 一列代表的是该容器创建的进程或线程的数量，threads 是 Linux kernel 中的一个术语，又称 lightweight process & kernel task。

1. 如何通过 Docker API 查看容器资源使用率，如下

   $ curl -s --unix-socket /var/run/docker.sock "http://localhost/v1.40/containers/10f2db238edc/stats" | jq -r
   {
     "read": "2022-01-05T06:14:47.705943252Z",
     "preread": "0001-01-01T00:00:00Z",
     "pids_stats": {
       "current": 240
     },
     "blkio_stats": {
       "io_service_bytes_recursive": [
         {
           "major": 253,
           "minor": 0,
           "op": "Read",
           "value": 0
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Write",
           "value": 917504
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Sync",
           "value": 0
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Async",
           "value": 917504
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Discard",
           "value": 0
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Total",
           "value": 917504
         }
       ],
       "io_serviced_recursive": [
         {
           "major": 253,
           "minor": 0,
           "op": "Read",
           "value": 0
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Write",
           "value": 32
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Sync",
           "value": 0
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Async",
           "value": 32
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Discard",
           "value": 0
         },
         {
           "major": 253,
           "minor": 0,
           "op": "Total",
           "value": 32
         }
       ],
       "io_queue_recursive": [],
       "io_service_time_recursive": [],
       "io_wait_time_recursive": [],
       "io_merged_recursive": [],
       "io_time_recursive": [],
       "sectors_recursive": []
     },
     "num_procs": 0,
     "storage_stats": {},
     "cpu_stats": {
       "cpu_usage": {
         "total_usage": 251563853433744,
         "percpu_usage": [
           22988555937059,
           6049382848016,
           22411490707722,
           5362525449957,
           25004835766513,
           6165050456944,
           27740046633494,
           6245013152748,
           29404953317631,
           5960151933082,
           29169053441816,
           5894880727311,
           25772990860310,
           5398581194412,
           22856145246881,
           5140195759848
         ],
         "usage_in_kernelmode": 30692640000000,
         "usage_in_usermode": 213996900000000
       },
       "system_cpu_usage": 22058735930000000,
       "online_cpus": 16,
       "throttling_data": {
         "periods": 10673334,
         "throttled_periods": 1437,
         "throttled_time": 109134709435
       }
     },
     "precpu_stats": {
       "cpu_usage": {
         "total_usage": 0,
         "usage_in_kernelmode": 0,
         "usage_in_usermode": 0
       },
       "throttling_data": {
         "periods": 0,
         "throttled_periods": 0,
         "throttled_time": 0
       }
     },
     "memory_stats": {
       "usage": 8589447168,
       "max_usage": 8589926400,
       "stats": {
         "active_anon": 0,
         "active_file": 260198400,
         "cache": 1561460736,
         "dirty": 3514368,
         "hierarchical_memory_limit": 8589934592,
         "hierarchical_memsw_limit": 8589934592,
         "inactive_anon": 6947250176,
         "inactive_file": 1300377600,
         "mapped_file": 0,
         "pgfault": 3519153,
         "pgmajfault": 0,
         "pgpgin": 184508478,
         "pgpgout": 184052901,
         "rss": 6947373056,
         "rss_huge": 6090129408,
         "total_active_anon": 0,
         "total_active_file": 260198400,
         "total_cache": 1561460736,
         "total_dirty": 3514368,
         "total_inactive_anon": 6947250176,
         "total_inactive_file": 1300377600,
         "total_mapped_file": 0,
         "total_pgfault": 3519153,
         "total_pgmajfault": 0,
         "total_pgpgin": 184508478,
         "total_pgpgout": 184052901,
         "total_rss": 6947373056,
         "total_rss_huge": 6090129408,
         "total_unevictable": 0,
         "total_writeback": 0,
         "unevictable": 0,
         "writeback": 0
       },
       "limit": 8589934592
     },
     "name": "/k8s_prod-xc-fund_prod-xc-fund-646dfc657b-g4px4_prod_523dcf9d-6137-4abf-b4ad-bd3999abcf25_0",
     "id": "10f2db238edc13f538716952764d6c9751e5519224bcce83b72ea7c876cc0475"

2. 如何计算

   官方地址

   https://docs.docker.com/engine/api/v1.40/#operation/ContainerStats

   The precpu_stats is the CPU statistic of the previous read, and is used to calculate the CPU usage percentage. It is not an exact copy of the cpu_stats field.

   If either precpu_stats.online_cpus or cpu_stats.online_cpus is nil then for compatibility with older daemons the length of the corresponding cpu_usage.percpu_usage array should be used.

   To calculate the values shown by the stats command of the docker cli tool the following formulas can be used:

• used_memory = memory_stats.usage - memory_stats.stats.cache

• available_memory = memory_stats.limit

• Memory usage % = (used_memory / available_memory) * 100.0

• cpu_delta = cpu_stats.cpu_usage.total_usage - precpu_stats.cpu_usage.total_usage

• system_cpu_delta = cpu_stats.system_cpu_usage - precpu_stats.system_cpu_usage

• number_cpus = lenght(cpu_stats.cpu_usage.percpu_usage) or cpu_stats.online_cpus

• CPU usage % = (cpu_delta / system_cpu_delta) * number_cpus * 100.0

你可能还喜欢

点击下方图片即可阅读

没有域名又如何？纯 IP 也可以使用 HTTPS 访问

云原生是一种信仰 

关注公众号

后台回复◉k8s◉获取史上最方便快捷的 Kubernetes 高可用部署工具，只需一条命令，连 ssh 都不需要！

点击 "阅读原文" 获取更好的阅读体验！

发现朋友圈变“安静”了吗？